[모두의 딥러닝] 1강~ 5강 정리

머신러닝/ 딥러닝 공부를 시작하는 사람들에게 추천하는 홍콩 과기대 김성훈 교수님의 "모두를 위한 딥러닝" (무료) 정리 자료입니다.

​코드와 ppt 자료: https://hunkim.github.io/ml/

강의 영상: https://www.youtube.com/watch?v=BS6O0zOGX4E

 

 

 

머신러닝은 크게 Supervised Learning, Unsupervised Learning, Reinforcement Learning(강화학습)으로 나뉜다.

Supervised Learning	정답을 알려주며 학습시킨다 크게 분류(classification)와 회귀(regression)으로 나뉜다. 회귀는 어떤 데이터들의 특징(feature)을 토대로 값을 예측하는 것으로, 결과 값은 실수를 가질 수 있다.  회귀의 예시: 어디 동네에 어떤 평수 아파트면 집 값이 어느 정도야?
Unsupervised Learning	정답(label)을 따로 알려주지 않는다. 비슷한 데이터들을 군집화하는 것이다. 예를 들어 고양이, 강아지, 토끼, 기린 의 사진을 비지도 학습 시킬 때, 각 사진이 무슨 동물인지 정답을 알려주지 않았기에 이 동물이 '무엇'이라고 기계가 정의할 수는 없지만 비슷한 단위로 군집화 해준다. 다리가 네 개인 고양이, 강아지를 한 분류로 묶고, 다리가 네 개이지만 목이 긴 기리는은 다른 분류로, 다리가 두 개이고 귀가 큰 토끼는 또 다른 분류로 나누어 놓을 것이다.
Reinforcement Learning	상과 벌이라는 보상(reward)를 주며 상을 최대화하고 벌을 최소화하는 방식이다. 주로 게임에서 최적의 동작을 찾는 데 쓰인다.

https://prefer-all.tistory.com/3

[모두의 딥러닝] 6강~ 9강 정리